数据挖掘的一个例子

干货来啦~

数据库版本：oracle database 11.2.0.1.0

sqldeveloper版本：3.0

例子的目标是预测SH用户下customer拥有信用卡的概率

首先你要有一个建立一个用于data mining的用户，然后通过sqldeveloper图形界面创建data mining资料库

资料库建好之后准备工作也就基本完成了（别跟我说没装oracle database =_=|||）

首先我们需要创建用于数据挖掘的几个视图，为了方便起见（懒癌发作），test模型用的数据我们就不要了，我们要的就是build data 和 apply data。

Build data的试图创建语句如下：

create view build_data as SELECT
 a.CUST_ID,
 a.CUST_GENDER,
 2003-a.CUST_YEAR_OF_BIRTH AGE,
 a.CUST_MARITAL_STATUS,
 c.COUNTRY_NAME,
 a.CUST_INCOME_LEVEL,
 b.EDUCATION,
 b.OCCUPATION,
 b.HOUSEHOLD_SIZE,
 b.YRS_RESIDENCE,
 b.AFFINITY_CARD,
 b.BULK_PACK_DISKETTES,
 b.FLAT_PANEL_MONITOR,
 b.HOME_THEATER_PACKAGE,
 b.BOOKKEEPING_APPLICATION,
 b.PRINTER_SUPPLIES,
 b.Y_BOX_GAMES,
 b.OS_DOC_SET_KANJI
FROM
 sh.customers a,
 sh.supplementary_demographics b,
 sh.countries c
WHERE
 a.CUST_ID = b.CUST_ID
 AND a.country_id  = c.country_id
 AND a.cust_id between 100001 and 101500

Apply data的视图创建语句如下：

create view apply_data as SELECT
 a.CUST_ID,
 a.CUST_GENDER,
 2003-a.CUST_YEAR_OF_BIRTH AGE,
 a.CUST_MARITAL_STATUS,
 c.COUNTRY_NAME,
 a.CUST_INCOME_LEVEL,
 b.EDUCATION,
 b.OCCUPATION,
 b.HOUSEHOLD_SIZE,
 b.YRS_RESIDENCE,
 b.BULK_PACK_DISKETTES,
 b.FLAT_PANEL_MONITOR,
 b.HOME_THEATER_PACKAGE,
 b.BOOKKEEPING_APPLICATION,
 b.PRINTER_SUPPLIES,
 b.Y_BOX_GAMES,
 b.OS_DOC_SET_KANJI
FROM
 sh.customers a,
 sh.supplementary_demographics b,
 sh.countries c
WHERE
 a.CUST_ID = b.CUST_ID
 AND a.country_id  = c.country_id
 AND a.cust_id between 101501 and 103000

视图建立好之后，我们要开始创建data mining工作流程了

我们首先要建立数据库连接

测试成功后，点击连接按钮即可。

然后右击建立的连接，选择新建项目。

我们的项目名就用默认的Project1，然后右击Project1

创建工作流程。

我们使用默认名称workflow。

在组件调色盘中选择数据源

然后选择自己创建了的build_data

成功后如图所示

然后再模型面板中选择分类模型

将数据源与模型相连接

目标选择信用卡字段

点击确认，然后运行该模型。

运行完成之后，我们对比各种算法的置信度

对比结果如下：

对比后决定选择朴素贝叶斯算法

然后选择模型详细信息，至于class build结点右侧

然后连接两节点，运行model details结点

选择应用的数据源（同创建数据源）

再选择apply结点

接下来将三结点相连接。

为了方便观察，我们将用户ID在模型输出结果中显示出来。

选择cust_id字段点击确认即可。

然后运行apply结点。

最后将结果导出

如图，一次简单的数据挖掘就完成了

我们可以右键点击查看预测的数据

或者直接用sql查看数据

由于我们应用的数据cust_id的范围是101501 到 103000

所以我们可以查询出ID范围是101501 到 103000的用户的真实数据来和预测数据进行对比。

查询语句如下：

select a.cust_id, a.clas_nb_1_4_pred pred_value, b.affinity_card true_value, a.clas_nb_1_4_prob  from OUTPUT_1_4 a, sh.supplementary_demographics b
where a.cust_id=b.cust_id(+)
order by cust_id